著者の所属・活動拠点の国は、スリランカです。

掲載誌：Artificial Intelligence in Health

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的：栄養の「分析」と「献立」を結びつける

食事の栄養状態を記録するアプリと、手元の食材からレシピを提案するシステムは、これまで別々に作られてきました。そのため、利用者は記録から栄養の不足を読み取り、それに合わせて料理を選び直すことを自分で行う必要がありました。著者らは、この二つを一つの仕組みに統合すれば、栄養上の気づきを日々の料理の選択に直接つなげられると考えました。

研究はスリランカで行われました。スリランカでは、鉄欠乏性貧血やカルシウム摂取不足などが今も公衆衛生上の課題とされています。また、地域固有の食材、シンハラ語・タミル語・英語にまたがる食材名、多様な郷土料理があり、これらは既存の国際的な食品データには十分に含まれていません。研究チームは、主に欧米の食品データで作られた栄養指導システムは現地の食習慣にうまく対応できないことが多いと指摘しています。そこで、スリランカの食事摂取基準、現地の食品成分データ、各地で集めたレシピを用いて枠組みを構築しました。他国の基準やデータに差し替えれば、同じ方法を応用できるとも述べています。

仕組み：不足リスクを判定し、合うレシピを探す

枠組みは二つの部分から成ります。一つ目は栄養不足リスクの予測です。利用者の年齢・性別と、エネルギー、たんぱく質、カルシウム、鉄の摂取量をもとに、それぞれの摂取量を推奨量で割った「充足率」を計算します。この充足率と摂取量の合計などを、多数の決定木の判断を組み合わせる「ランダムフォレスト」という機械学習の手法に入力し、不足リスクを低・中・高の3段階で判定します。

学習用には大規模な長期の食事記録が手に入らなかったため、著者らはスリランカの食事摂取基準をもとに、推奨量の周辺でばらつかせた摂取パターンを計算で約3,200件生成しました。各データには、充足率に基づくあらかじめ決めた規則でリスク区分を付けています。論文は、これらの区分は予防的な目安であり、臨床的に確定した診断ではないと明記しています。

二つ目はレシピを探す部分です。研究チームは、古い料理書のデジタル化、西部・南部・中部州での家族への聞き取り、プロの料理人への相談を通じて、3言語で記述したスリランカ料理のレシピ190件を集めました。あわせて、262種類の食材を3言語で整理し、地域や言語による呼び名の違いを吸収する同義語の対応表も作成しました。レシピの文章は、文の意味を数値の並びに変換する言語モデル「Sentence-BERT」で表現し、食材名は綴りの近さで照合する「あいまい一致」の手法で、利用者が入力した食材と結びつけます。

不足リスクが低でないと判定された場合、不足している栄養素を補える食材を含むレシピを、栄養面の適合度、意味の近さ、手元の食材の有無などで順位付けして提案します。さらに、提案した料理を食べた場合の栄養量を計算し直し、リスクをもう一度予測して改善の見込みを示す流れになっています。

主な結果

著者らによると、栄養不足リスクを予測するモデルは、評価用データで88.12%の正解率を示しました。また、3段階の区分を見分ける力を表す指標（マクロAUC、1に近いほど良い）は0.91でした。誤判定は主に「中」と「高」のあいだで起きており、論文はこれを判定の境目に近い事例によるものと説明しています。区分ごとの精度や再現率は0.86〜0.90の範囲でした。

レシピを7つの料理カテゴリーに分類する部分は、層化交差検証のもとで86.84%の正解率を示したと報告されています。層化交差検証とは、データを分けて学習と評価を繰り返す際に、各カテゴリーの割合が偏らないようにする評価方法です。使用した言語モデルは比較的小型で、専用の計算装置を使わずに一般的なCPUだけで5分割の交差検証を約47分で終えられました。著者らはこの点を、計算資源の限られた環境でも使える根拠として挙げています。

研究が示すこと

この研究は、栄養不足リスクの判定と、地域の食文化に根ざしたレシピ推薦を一つの流れにまとめ、分析結果を「何を作って食べるか」という具体的な提案に変える枠組みを示しました。著者らは、両方の部分が安定した性能を示し、実用化への可能性があると結論づけています。ただし、栄養モデルの学習には計算で生成したデータと規則に基づく区分が使われており、示されたのは医学的な診断ではなく、予防的な目安を出す仕組みとしての性能です。

原著論文の著者・所属：Lokesha Weerasinghe（Department of Information Technology , Sri Lanka Institute of Information Technology , Malabe , Western Province , Sri Lanka）、Methusala Perera（Department of Information Technology , Sri Lanka Institute of Information Technology , Malabe , Western Province , Sri Lanka）、Shahmi Mohamed、Dhivakaran Muraleswaran、Danuddika Jayasundara（Department of Information Technology , Sri Lanka Institute of Information Technology , Malabe , Western Province , Sri Lanka）、Chathurya Kumarapperuma（Department of Information Technology , Sri Lanka Institute of Information Technology , Malabe , Western Province , Sri Lanka）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Lokesha Weerasinghe, Methusala Perera, Shahmi Mohamed, et al. Integrating nutritional deficiency prediction with semantic recipe intelligence: A machine learning approach. Artificial Intelligence in Health 2026-07-30. DOI: 10.36922/aih026230057. 原著ライセンス：CC BY.